Comparative Evaluation of AMMI, GGE, GYT, and Bayesian Models for Risk-Based Selection of Forage Sorghum in multi-environmental trials

Imagina que eres un chef intentando crear la receta perfecta para un nuevo tipo de sopa. Tienes una despensa llena de diferentes ingredientes (los "genotipos"), pero también sabes que la sopa sabrá diferente dependiendo de dónde la cocines. Tal vez el agua de tu cocina es dura, o la estufa calienta demasiado, o la humedad del aire cambia la forma en que se cocinan las verduras. En el mundo de la agricultura, esto se llama Interacción Genotipo × Ambiente. Es la forma elegante de decir que una planta que crece como una campeona en un campo puede tener dificultades en otro, solo porque el clima, el suelo o la estación son diferentes.

Los agricultores y los fitomejoradores quieren encontrar los "superingredientes": plantas que no solo sean de alto rendimiento (que den mucha comida), sino que también sean estables. Una planta estable es como un amigo confiable que aparece y hace un gran trabajo, ya sea que esté soleado, lluvioso, ventoso o nublado. Durante mucho tiempo, los científicos han utilizado las matemáticas para determinar qué plantas son las más fiables. Utilizan herramientas que observan el rendimiento promedio, algo así como calcular el promedio de calificaciones de un estudiante. Pero los promedios pueden ser engañosos. Un estudiante que saca una A una semana y una F la siguiente tiene el mismo promedio que un estudiante que saca una B todos los días. El segundo estudiante es más estable, pero la matemática del "promedio" no siempre lo dice.

Recientemente, un nuevo tipo de matemática llamada estadística bayesiana ha entrado en la cocina. En lugar de darte solo un número (como una calificación), te da una probabilidad. Es como preguntar: "¿Cuáles son las probabilidades de que esta planta sea una estrella en cualquier temporada futura aleatoria?". Este enfoque no solo te dice quién es el mejor en promedio; te dice quién es la apuesta más segura para evitar un fracaso total. Esto es crucial para cultivos como el sorgo forrajero, que es un pasto cultivado para alimentar vacas y otros animales de ganado. Si un agricultor apuesta por la planta equivocada y esta falla, los animales pasarán hambre. Por lo tanto, encontrar la planta que sea tanto de alto rendimiento como confiable es un juego de alto riesgo.

---

El Gran Duelo de Plantas: ¿Quién se lleva el trofeo al "Más Confiable"?

En este estudio, un equipo de científicos decidió organizar un torneo masivo para ver qué plantas de sorgo forrajero podían soportar el calor. Reunieron 30 tipos diferentes de sorgo (piensa en ellos como 30 equipos diferentes de atletas) y los sometieron a prueba. No solo los probaron en un lugar; los probaron en cinco entornos diferentes en la India, que abarcan desde las estaciones húmedas y lluviosas en Assam hasta las condiciones más secas y calurosas en Hyderabad. Estas pruebas ocurrieron durante diferentes estaciones (invierno, verano y el monzón) durante 2020 y 2021.

El objetivo era simple: medir cuánto forraje verde (el alimento de hojas para los animales) producía cada planta. Pero el verdadero desafío era determinar qué plantas eran las "campeonas" capaces de manejar cualquiera de estos cinco entornos sin colapsar.

Los Detectives de la Vieja Escuela vs. Los de la Nueva Escuela

Para resolver este rompecabezas, los investigadores utilizaron dos equipos diferentes de detectives.

Equipo 1: Los Detectives Clásicos (AMMI, GGE y GYT)
Estos son los métodos tradicionales que los científicos han usado durante décadas. Observan los datos y dibujan mapas coloridos llamados biplots. Imagina estos mapas como pantallas de radar donde las plantas son puntos y los entornos son flechas.

• AMMI observa cuánto oscila el rendimiento de una planta cuando el clima cambia.
• GGE intenta encontrar el entorno "ideal" y ver qué plantas se acercan más a ese ideal.
• GYT es un poco más complejo; no solo observa cuánto alimento produce la planta, sino que también verifica si la planta tiene otros rasgos buenos, como tallos gruesos o muchas hojas, para ver si esos rasgos ayudan al rendimiento.

Equipo 2: Los Magos de la Probabilidad (Modelos Bayesianos)
Este equipo utiliza un enfoque diferente. En lugar de decir simplemente "La Planta A es mejor que la Planta B", preguntan: "¿Cuál es la probabilidad de que la Planta A le gane a la Planta B?". Utilizan una computadora para ejecutar miles de simulaciones, creando una "nube" de posibles resultados para cada planta. Esto les otorga un puntaje de riesgo. Les dice no solo quién es el mejor, sino quién es la apuesta más segera. Les indica no solo quién es el mejor, sino quién es la apuesta más segura para evitar un desastre.

Los Resultados: ¿Quiénes son las Superestrellas?

Después de procesar los números, ambos equipos de detectives señalaron a las mismas pocas plantas, lo cual es una muy buena señal de que los resultados son sólidos.

La ganadora clara, la planta que destacó como la más estable y de alto rendimiento, fue la G24 (348B).

• Los Detectives Clásicos dijeron: "G24 es la más estable y de alto rendimiento. Funcionó de maravilla en casi todos los entornos".
• Los Magos de la Probabilidad dijeron: "Estamos muy seguros (con una probabilidad del 96%) de que G24 es una de las mejores ejecutoras, y también tiene una alta probabilidad de ser estable".

Otras plantas que entraron en la "Lista de Élite" incluyeron la G30 (SSG-59-3), la G26 (314B) y la G19 (327B). Estas plantas fueron consistentemente buenas en todos los ámbitos.

Sin embargo, el estudio encontró algo muy interesante sobre una planta llamada G21 (CSV32F).

• Si solo mirabas el rendimiento promedio, G21 parecía una superestrella, ¿verdad? Estaba al nivel de G24.
• Pero los Magos de la Probabilidad revelaron un secreto: G21 era un jugador de "alto riesgo". Tenía una alta probabilidad de ser genial, pero también una alta probabilidad de ser terrible dependiendo de la temporada. Su "probabilidad de estabilidad" era muy baja (solo alrededor de 0.08).
• La Lección: No basta con que una planta tenga un puntaje promedio alto para que sea una apuesta segura. G21 es como un estudiante que saca una A en un examen para el que estudió mucho, pero reprueba el que no estudió. G24, por el contrario, es el estudiante que saca una sólida A- todas las veces.

El "Mapa de Riesgo"

Los investigadores crearon un mapa especial (un mapa de riesgo de cuatro cuadrantes) para visualizar esto.

• Arriba a la Derecha (La Élite): Plantas que son tanto de alto rendimiento COMO estables. G24 se encontraba justo aquí.
• Arriba a la Izquierda (La Apuesta Arriesgada): Plantas que podrían ser grandes ganadoras, pero también podrían ser perdedoras totales. G21 estaba aquí.
• Abajo a la Derecha (Constantes pero Pequeñas): Plantas que son seguras pero no producen mucha comida.
• Abajo a la Izquierda (Los Perdedores): Plantas que no son ni seguras ni productivas.

¿Qué pasa con los Entornos?

El estudio también determinó qué ubicaciones de prueba fueron los mejores jueces.

• E1, E2 y E3 fueron identificados como los entornos de prueba "ideales". Fueron buenos para detectar las mejores plantas y eran representativos del mundo real.
• El estudio también descubrió que la región podía dividirse en dos "megaentornos". Esto significa que, mientras algunas plantas son excelentes en todas partes, otras son especialistas. Por ejemplo, G3 fue la mejor en dos entornos específicos, pero no en los demás. Esto les dice a los agricultores que, si están en un tipo de clima específico, podrían querer elegir una planta especialista en lugar de una generalista.

Los Rasgos de la "Receta Secreta"

Los investigadores también analizaron qué hacía que las plantas ganadoras fueran tan buenas. Encontraron que las plantas con tallos más gruesos (SGT), hojas más anchas (LFW) y un Índice de Área Foliar (LAI) más alto (que básicamente significa más superficie de hoja para captar la luz solar) tendían a producir más alimento. Resulta que, si quieres mucho forraje verde, necesitas una planta que construya un sistema de "paneles solares" grande y robusto.

La Conclusión

Este estudio no solo encontró unas pocas plantas buenas; demostró que usar tanto la matemática de la vieja escuela como la matemática de probabilidad de la nueva escuela te da los mejores resultados. Los métodos antiguos dieron una imagen clara de quién era bueno, y los nuevos métodos dieron una imagen clara de qué tan riesgoso era elegirlo.

El veredicto final es que G24 (348B) es la planta a la que hay que vigilar. Es la campeona confiable y de alto rendimiento en la que los agricultores pueden confiar en diferentes climas, incluyendo las zonas complicadas y no tradicionales como Assam. G30, G26 y G19 también son contendientes fuertes. Pero si eliges G21, será mejor que estés listo para una apuesta arriesgada.

Al combinar estas dos formas de observar los datos, los científicos han entregado a los fitomejoradores una herramienta poderosa para seleccionar las plantas adecuadas para un futuro donde el clima se está volviendo más impredecible. No se trata solo de encontrar la planta más grande; se trata de encontrar la que no te fallará cuando llegue la tormenta.